调制识别是军事和民用领域一个传统而有意义的研究课题。随着软件无线电和正交频分复用技术的蓬勃发展，对调制识别技术的要求也越来越高，一方面，要求算法可硬件快速实现，另一方面又要求算法能适应尽量多的样式、获得尽量高的识别准确率。本文在分析和总结现有文献的基础上，对调制识别做了较深入的研究，从提取有用分类信息、减少特征维数的角度着手研究，主要的工作和研究内容包含以下几个方面：1.介绍了信号的调制理论，对常用域（瞬时特征量、谱、小波、高阶累积量等）下的特征提取作了研究，仿真并分析了分类特征的分布。鉴于噪声和数据长度的影响，单一特征的分类能力是有限的，在此基础上，引出超特征的概念，对特征向量进行抽取，在简单的分类空间对不同的样式进行识别。2.将遗传算法和KNN分类器进行结合，从超特征的角度研究了调制识别问题。针对QPSK和16QAM分类这个基本问题，基于7个高阶累积量值，用c42和c60构造分类参数T，用决策树完成两类的识别；然后，将所有的基础特征输入遗传算法和KNN分类器构建的分类结构中，进化得到最优的分类特征，从特征在超平面的分布看，得到的特征类间分离度高，类内紧凑，识别性能优异，表明方法对于多维特征中内在模式的抽取是有效的。紧接着，讨论了框架中一些复杂的问题：KNN分类器中K值选取，学习样本的选取，适应度函数的设计，以及多类问题的分类策略问题，然后运用算法对BPSK/QPSK/16QAM/64QAM进行了识别，仿真结果在10dB时平均正确率可达96.7%。3.研究了一个具体场景下的调制识别问题。针对几种常见的遥控遥测调制信号(PCM/FM,PCM/BPSK,PCM/QPSK,PCM/UQPSK，PCM/BPSK/PM(标准TT&C))，对信号特性进行研究分析，考虑信号是否有载波残留，平方谱是否有谱线凸出，功率谱密度分布以及谱峰的个数，提出4个分类特征，然后用决策树和遗传算法两种方法分别进行了识别，仿真结果表明，提出的分类特征是有效的，在信噪比10dB，平均正确率可达90%，同时，遗传算法对识别性能的优化作用是明显的。